实时有效：蜂群模式挖掘的簇重组算法(CLUR)

本文主要探讨了一种针对实时相关运动模式挖掘应用需求而设计的高效算法——实时关闭蜂群模式挖掘簇重组算法(CLUR)。该算法发表于2012年的《北京科技大学学报》第34卷第1期，由齐悦、于彦伟、亢俊杰和王沁等人提出，针对动态环境中移动目标的轨迹分析和模式识别问题。 在实时场景下，运动模式挖掘对于许多领域如智能交通、物联网和行为分析具有重要意义。CLUR算法的核心思想是维护一个候选蜂群模式列表，通过在每个时间戳利用基于密度的聚类方法对移动目标进行分组。这种聚类有助于识别出最大且稳定的移动目标集合，即“蜂群”，并记录它们出现的时间区间。接着，这些蜂群被用来构建候选蜂群模式，并根据一定的更新规则和插入规则动态调整候选列表，减少冗余，提高算法的执行效率。 算法的关键在于其三种更新规则，它们可能包括模式扩展、收缩和删除规则，确保只有最相关和最具代表性的模式保持在候选列表中。此外，一种插入规则确保新发现的模式符合特定的条件才能加入候选列表。通过这种方式，算法能够在每个时间戳结束后，利用关闭检测规则实时检测并发现当前时刻的关闭蜂群模式，即那些在一定时间间隔内不再变化的稳定模式。 为了验证算法的有效性、实时性和高效性，研究者在合成数据上进行了全面的实验，结果显示CLUR算法在处理大规模移动数据和实时环境中表现出色，能够满足实时相关运动模式挖掘系统的性能需求。因此，它适用于实时追踪、预测和分析动态环境中的运动模式，为相关领域的实时决策提供有力支持。 CLUR算法是一种创新的实时蜂群模式挖掘策略，它结合了密度聚类、模式重组和高效管理候选模式的技术，是处理复杂运动模式数据的重要工具。